Professional Documents
Culture Documents
PREOBRAZBE
MARJETA MAROLT IN GREGOR LENART
Univerza v Mariboru, Fakulteta za organizacijske vede, Kranj, Slovenija
E-pošta: marjeta.marolt@um.si, gregor.lenart@um.si
DOI https://doi.org/10.18690/978-961-286-509-2.2
ISBN 978-961-286-509-2
DIGITAL TRANSFORMATION
TECHNOLOGICAL TRENDS
MARJETA MAROLT & GREGOR LENART
University of Maribor, Faculty of Organizational Sciences, Kranj, Slovenia
E-mail: marjeta.marolt@um.si, gregor.lenart@um.si
https://doi.org/10.18690/978-961-286-509-2.2 DOI
978-961-286-509-2 ISBN
M. Marolt in G. Lenart: Tehnološki trendi digitalne preobrazbe 47.
1 Uvod
Šele v devetdesetih letih prejšnjega stoletja so postali računalniki del vsakdana, tako
na delovnem mestu kot tudi za zasebno rabo. Kot prenosni medij pa sta se pojavila
zgoščenka in DVD, nekoliko kasneje še USB mediji. V tem obdobju se je razširila
uporaba mobilne telefonije in interneta. Internet je omogočil medsebojno
48 ZNANSTVENO-RAZISKOVALNI TRENDI NA PODROČJU DIGITALNE PREOBRAZBE.
Digitalne
2015–2020 2020–2025
tehnologije
Znani številni primeri dobrih Naraščanje popularnosti trženja
praks, tako za namene trženja, preko vplivnežev, vključevanje
Družbeni mediji upravljanja odnosov s pogovornih robotov in umetne
strankami kot tudi novačenja inteligence ter obogatene
zaposlenih. resničnosti.
Nadaljnji razvoj mobilnih
aplikacij za poslovne namene, ki
bo vključeval umetno
Močno je zaznamovala način inteligenco in strojno učenje,
Mobilna
dela in sodelovanja zaposlenih internet stvari, navidezno in
tehnologija
v podjetjih. obogateno resničnost,
tehnologijo veriženja blokov
itd., kar bo primerno za vse
vrste in velikosti podjetij.
Oblačne storitve so se izkazale
kot bistvena tehnologija
Razširitev hibridne arhitekture
digitalne preobrazbe, saj so
in hkratna uporaba več oblačnih
temelj inovacij, kot so npr.
Oblačne storitve platform bo omogočila
tehnologije veriženja blokov,
podjetjem ne le tehnološke,
umetna inteligenca, internet
ampak tudi poslovne inovacije.
stvari, robotika, navidezna in
obogatena resničnost.
Znani primeri dobrih praks, ki
vključujejo uporabo tehnologij Vključevanje preskriptivne
Umetna inteligenca za robotsko avtomatizacijo analitike in umetne inteligence v
procesov in predikativne celotno poslovanje.
analitike.
Preverjeni primeri (npr. Vse večja povezanost sistemov
logistični ekosistemi), ki in naprav. Preprosto, hitro in
Internet stvari
dokazano prinašajo časovne in varno vključevanje novih
finančne prihranke. naprav.
Idejni in pilotski projekti, Razširitev na različna področja
Tehnologije
predvsem v bančništvu in in s tem zagotavljanje
veriženja blokov
oskrbovalni verigi. transparentnosti poslovanja.
Uporaba predvsem za namene Uvedba v proizvodne procese in
3-D tisk prototipiranja, tudi za rezervne integracija z informacijskimi
dele. sistemi.
Znani primeri dobrih praks na
Navidezna in
storitvenem področju, Uporaba pri vseh procesih, ki
obogatena
predvsem za trženje, prodajo temeljijo na sodelovanju.
resničnost
in izobraževanje.
52 ZNANSTVENO-RAZISKOVALNI TRENDI NA PODROČJU DIGITALNE PREOBRAZBE.
Digitalne
2015–2020 2020–2025
tehnologije
Preproste simulacije s področja Kompleksni simulacijski modeli,
Digitalni dvojčki upravljanja življenjskega kroga povezani z informacijskimi
produkta. sistemi.
Eksperimentiranje s pomočjo
Kvantno
simulatorjev za boljše
računalništvo
razumevanje potenciala.
Opredeljevanje scenarijev
Nanotehnologija
uporabe.
3 Prebojne tehnologije
Nov tip komunikacije preko spleta se je pojavil kmalu po prelomu tisočletja, potem
ko je Tim Berners-Lee vzpostavil prvo HTTP povezavo med odjemalcem in
strežnikom preko interneta. S prihodom tako imenovanega Spleta 2.0 so spletne
storitve začele omogočati dvosmerno komunikacijo (Dohn, 2009; Usluel &
Mazman, 2009). S širšo uporabo spletnih dnevnikov in elektronske pošte so se
oblikovale prve spletne skupnosti. Z razvojem Spleta 2.0 pa so uporabniki vse več
svojih vsakodnevnih dejavnosti preselili na splet, začel pa se je razvoj platform za
komunikacijo in generiranje vsebine med uporabniki. Te storitve so pogosto izhajale
iz pobud, povezanih z različnimi skupnostmi, npr. skupina študentov, ljubiteljev
fotografije, video navdušencev. Začele pa so se prilagajati tudi potrebam
uporabnikov. Kar se je včasih delilo le z izbranimi posamezniki in le naključno, je
postalo del širše družbe z bolj dolgotrajnim učinkom. Te platforme poznamo pod
imenom družbeni mediji in so nedvomno spremenili naravo zasebnega in javnega
komuniciranja. Od poznih devetdesetih let so ponudniki družbenih medijev, kot so
Blogger (1999), Wikipedia (2001), Myspace (2003), Facebook (2004), Flickr (2004),
M. Marolt in G. Lenart: Tehnološki trendi digitalne preobrazbe 53.
Deloitte Avstralija, ki je imela leta 2008 12 podružnic (Riemer, Scifleet, & Reddig,
2012). Uporabljati so ga začeli avgusta 2008, in sicer na način »od spodaj navzgor«,
kar je značilno pri družbenih medijih. Do leta 2009 ga je uporabljala le majhna
skupina strokovnjakov, ko pa je vodstvo podjetja videlo njegov potencial, se je baza
uporabnikov začela hitro večati. Analiza leta 2011 je pokazala, da jim Yammer služi
predvsem za deljenje informacij, zbiranje idej, reševanje težav in iskanje
strokovnjakov ter vzpostavljanje odnosov. Danes je Yammer v podjetju Deloitte
pomembno orodje, ki ga uporabljajo v kombinaciji z Microsoft Office 365. Razvito
imajo prilagodljivo infrastrukturo v oblaku, ki jim omogoča upravljanje s podatki in
podpira forenzične in analitične storitve. Ustrezno zbiranje in stiskanje Yammer
podatkov z drugimi podatki zagotavljajo s pomočjo lastno razvitih vmesnikov
(Deloitte, 2017).
Več družbenih medijev pa je odprtega tipa, kar pomeni, da so na voljo vsem. Trendi
na družbenih omrežjih se hitro spreminjajo, zato morajo organizacije, ki ustvarijo
javni profil na družbenih medijih, skrbeti, da jim sledijo. Na področju novačenja in
zaposlovanja ter mreženja strokovnjakov se trendi ne spreminjajo tako hitro kot na
področju trženja in upravljanja odnosov s strankami. Med drugim morajo
organizacije, ki se želijo tržiti in upravljati odnose s strankami, na družbenih medijih
najprej poskrbeti za ustrezno strategijo, ki je temelj vseh njihovih aktivnosti na
družbenih medijih (Greenberg, 2008). Razmisliti morajo, kateri so tisti družbeni
mediji, ki jih uporabljajo njihove stranke oz. potencialne stranke, in skladno s temi
ugotovitvami ustvariti profile na izbranih družbenih medijih. Morajo pa zagotoviti,
da so aktivni na vseh ustvarjenih profilih. To pomeni, da se morajo posluževati
kreativnih načinov ustvarjanja vsebine in vključevati sledilce v pogovor, na nevsiljiv
način pripovedovati svojo zgodbo in vključevati vplivneže, ki bodo pripomogli k
širši prepoznavnosti blagovnih znamk (Marolt, Zimmermann, Žnidaršič, & Pucihar,
2020). Ne smejo pa pozabiti, da pri teh aktivnostih nastajajo podatki, ki z ustrezno
analizo podajajo informacije o tem, kako uspešno se izvajajo aktivnosti na družbenih
medijih (Chierici, Mazzucchelli, Garcia-Perez, & Vrontis, 2019). Dobre prakse na
področju trženja je mogoče najti pri podjetjih, kot so Amazon, Best Buy in Walmart
(Vithayathil, Dadgar, & Osiri, 2020), na področju upravljanja odnosov s strankami
pa pri podjetjih, kot sta Starbucks in Dell.
56 ZNANSTVENO-RAZISKOVALNI TRENDI NA PODROČJU DIGITALNE PREOBRAZBE.
1G 2G 3G 4G 5G
Računalniški
oblak
Smart grid
Razbremenitev 3D MIMO
WiFi mm radijska komunikacija
Visoka
gostota
celic
Pametne
Javna naprave
varnost
mm radijska komunikacija
V2V
Ponavljalnik
MTC D2D
IoT
Podatkovni analitiki se danes posveča veliko pozornosti, saj igra vse večjo vlogo v
podjetjih različnih velikosti (Hindle, Kunc, Mortensen, Oztekin, & Vidgen, 2020).
Čeprav podatkovna analitika izhaja iz statistike in ima dolgo zgodovino, se je njena
uporabnost izkazala šele z razvojem računalništva. Podatki so se začeli zbirati v
podatkovnih bazah, procesorska moč računalnikov je omogočala hitrejšo obdelavo
60 ZNANSTVENO-RAZISKOVALNI TRENDI NA PODROČJU DIGITALNE PREOBRAZBE.
Pojem masovni podatki lahko opredelimo kot velike količine različnih tipov
podatkov, ki se ustvarjajo z veliko hitrostjo in so pridobljeni iz različnih virov in
mest, kar pomeni, da je potrebno preverjati tudi njihovo resničnost in kakovost.
Podatki nastajajo v podjetjih, izven podjetij, na voljo pa so tudi odprti podatki. Pri
nastajanju podatkov veliko vlogo igrajo generatorji podatkov, ki jih lahko v grobem
ločimo na internet stvari, družbene medije in vseprisotno računalništvo (Vidgen,
Kirshner, & Tan, 2019). Ti podatki nimajo uporabne vrednosti, če se jih ustrezno ne
zajame, pripravi, obdela in uporabi za podporo odločanju (Gandomi & Haider,
2015). Običajno podjetjem prav zajem in priprava podatkov predstavljata največ
težav. Pri zajemu podatkov morajo podjetja poskrbeti, da zberejo le relevantne
podatke o strankah, ocenah njihovih produktov oziroma storitev, različnih senzorjev
in informacijskih sistemov, ki jih uporabljajo pri svojem poslovanju (Rehman,
Chang, Batool, & Wah, 2016). Zaradi velike količine podatkov se podjetja vedno
pogosteje poslužujejo oblačnih podatkovnih centrov, kjer te podatke shranjujejo.
Sledi najpomembnejša faza analize – priprava podatkov. V tej fazi se s
predprocesiranjem in integracijo podatkov zagotovi kvaliteta podatkov. Pri tem se
uporabljajo različne metode, s katerimi se zmanjša šum v podatkih in odstrani
nepomembne podatke (Salmon, Harmany, Deledalle, & Willett, 2014), zazna
odstopanja (nezaželene atribute/vrednosti) (Aggarwal, 2015), odstrani nepravilnosti
(Moshtaghi, Bezdek, Leckie, Karunasekera, & Palaniswami, 2015), združi
podatkovne toke iz različnih virov podatkov (Yaqoob idr., 2016), pretvori surove,
nestrukturirane in delno strukturirane podatke v strukturirano obliko, zmanjša
M. Marolt in G. Lenart: Tehnološki trendi digitalne preobrazbe 61.
dimenzije podatkov (Zhai, Ong, & Tsang, 2014) in odpravi manjkajoče vrednosti
(Singh, Javeed, Chhabra, & Kumar, 2015).
Sprejemanje
Tehnologije
Elektrotehnika
Informacijski odločitev
sistemi Psihologija
Računalništvo
Vedenjska znanost
Analitika
Kvantitativne
metode
Matematika
Statistika
Ekonomija
Veliko podjetij ima dobre izkušnje z opisno in diagnostično analitiko, zato se vedno
pogosteje poslužujejo bolj napredne analitike. Rockwell Automation je eno izmed
številnih podjetij, ki uspešno uporablja analitiko pri svojem poslovanju. Podjetje je
eno največjih svetovnih podjetij za industrijsko avtomatizacijo. Na trgu je že več kot
115 let, zaposluje preko 22.000 ljudi in je prisotno v več kot 80 državah. Leta 2014
je podjetje ustanovilo center za poslovno inteligenco odličnosti. Sprva so bili
osredotočeni na pripravo raznovrstnih poročil, vendar so še istega leta začeli
eksperimentirati z bolj napredno analitiko. Za to so bili potrebni veliki vložki, tako
v tehnologijo kot tudi v znanje zaposlenih. Leta 2019 je podjetje zaposlilo dva
strokovnjaka za upravljanje in arhitekturo podatkov, ki sta s svojim znanjem
pripomogla, da so v podjetju vzpostavili okolje, ki omogoča projektnim skupinam
in tudi posameznikom, da si lahko pripravijo svoja lastna poročila in analize. To je
močno vplivalo na poslovanje celotnega podjetja. Optimizirali so številne procese,
znižali stroške poslovanja, predvsem na račun velikih prihrankov pri vzdrževanju
industrijske avtomatizacije, ki jo uporabljajo stranke po celem svetu. Poleg tega s
svojimi inovativnimi rešitvami hitreje in učinkoviteje zadovoljujejo potrebe svojih
strank (Microsoft, 2020).
M. Marolt in G. Lenart: Tehnološki trendi digitalne preobrazbe 63.
Problem onesnaževanja je prisoten tudi pri prodaji blaga končnim kupcem. Vedno
več nakupov se opravi preko spleta, in ker tak način ne omogoča pomerjanja pred
nakupom, se kupljeno blago velikokrat vrača nazaj trgovcu, kar vpliva na nastajanje
dodatnih emisij CO2. Trgovci si delež vrnjenega blaga lahko znižajo z uporabo
umetne inteligence, ki omogoča, da stranka kupi izdelke, ki ustrezajo njihovim
fizičnim dimenzijam in slogu. To je samo nekaj primerov, kako je umetna inteligenca
vplivala na trajnostni razvoj modne industrije (IBM, 2020).
Storitev
Elastičnost
Virtualizacija
Skalabilnost
Plačilo glede na porabo
Dostopno preko omrežja
Internet stvari pokriva široko področje uporabe v vsakdanjem življenju, zato ni ene
same opredelitve tega pojma, temveč lahko opredelimo internet stvari kot (Serpanos
& Wolf, 2017):
Internet stvari se lahko učinkovito aplicira na različna področja (Serpanos & Wolf,
2017):
Lokalni procesor
IoT podatkov
Računalniški oblak
Baza
podatkov
Naprava/senzor
IoT vozlišče
IoT vozlišče
Naprava/senzor
Naprava/senzor
Fizično okolje
Fizično okolje
Fizično okolje
− delovni roboti so stacionarni roboti, ki imajo delovno roko z vsaj tremi osmi
gibanja. Tovrstne robote se najpogosteje uporablja v industriji in medicini;
− robotizirani pripomočki so roboti, ki jih ljudje nosijo ali imajo oblečene in jim
povečajo moč (protetika) ali gibljivost, kot npr. eksoskelet;
− humanoidni roboti imajo človeški izgled in oponašajo obnašanje človeka.
Uporabljajo se pri oskrbi ljudi, strežbi strankam in podobno;
− mobilni roboti se lahko premikajo in prevažajo tovor ali ljudi iz točke A v točko
B. Iz teh robotov so se nadalje razvili droni in avtonomna vozila;
− serpentinski roboti so specializirani za gibanje po okolju, ki je nedostopno za
ljudi, lahko gredo v cevi ali druge nedostopne ali nevarne prostore za ljudi, kot
so na primer dimniki in inštalacije.
− zasebno:
− rekreativno letenje,
− snemanje fotografij in videoposnetkov iz zraka,
− zračne dirke in tekmovanja,
− v gospodarskih dejavnostih:
− za transport in logistiko,
− za snemanje fotografij in videoposnetkov iz zraka,
− za zbiranje podatkov iz okolja (poljedelstvo, gozdarstvo, pregled
gradbenih konstrukcij in infrastrukture),
− v vojaške namene:
− za izvidniške naloge (mikro in taktični droni),
− za vojaški boj iz zraka (veliki strateški droni).
4 Pogled v prihodnost
Literatura
https://www2.deloitte.com/uk/en/legal/about-deloitte.html
Dohn, N. B. (2009). Web 2.0: Inherent tensions and evident challenges for education. International
Journal of Computer-Supported Collaborative Learning, 4(3), 343–363.
https://doi.org/10.1007/s11412-009-9066-8
Evropska Komisija. (2020). Indeks digitalnega gospodarstva in družbe (DESI) 2020. Pridobljeno od
https://www.knjiznice.si/wp-content/uploads/2020/07/DESI2020-SLOVENIA-lang.pdf
Farhadi, M., Ismail, R., & Fooladi, M. (2012). Information and Communication Technology Use and
Economic Growth. PLoS ONE, 7(11), e48903.
https://doi.org/10.1371/journal.pone.0048903
Franke, S., & Ethority. (2018). Global Social Media Prism. Pridobljeno 13. februar 2021., od
https://ethority.de/en/social-media-prism/
Gandomi, A., & Haider, M. (2015). Beyond the hype: Big data concepts, methods, and analytics.
International Journal of Information Management, 35(2), 137–144.
https://doi.org/10.1016/j.ijinfomgt.2014.10.007
Greenberg, P. (2008). CRM at the speed of light: social CRM 2.0 Strategies, tools, and techniques for engaging your
customers (4. izd.). Emeryville, CA: McGraw Hill Professional.
Heilig, L., Schwarze, S., & Voss, S. (2017). An Analysis of Digital Transformation in the History and
Future of Modern Ports. Hawaii International Conference on System Sciences 2017 (HICSS-50).
Pridobljeno od https://aisel.aisnet.org/hicss-50/da/decision_support_for_scm/2
Heslop, B. (2019). A Brief History of Digital Transformation - The Network Effect. Pridobljeno 2.
februar 2021., od https://supplychainbeyond.com/a-brief-history-of-digital-transformation/
Hindle, G., Kunc, M., Mortensen, M., Oztekin, A., & Vidgen, R. (2020, marec 16). Business analytics:
Defining the field and identifying a research agenda. European Journal of Operational Research, Let.
281, str. 483–490. https://doi.org/10.1016/j.ejor.2019.10.001
Huang, J., Baptista, J., & Newell, S. (2015). Communicational ambidexterity as a new capability to
manage social media communication within organizations. Journal of Strategic Information Systems,
24(2), 49–64. https://doi.org/10.1016/j.jsis.2015.03.002
IBM. (2020). Bestseller and IBM Garage bring sustainable fashion forward with Fashion.ai. Pridobljeno
3. marec 2021., od https://www.ibm.com/blogs/journey-to-ai/2020/09/bestseller-and-ibm-
garage-bring-sustainable-fashion-forward-with-fashion-ai/
Innovecs. (2020). The Future of Cloud Computing: Benefits and Trends. Pridobljeno 7. februar 2021.,
od https://innovecs.com/blog/future-of-cloud-computing/
Intel. (2017). Getting Started with Advanced Analytics. Pridobljeno od
https://www.intel.com/content/dam/www/public/us/en/documents/guides/analytics-
planning-guide.pdf
Kaplan, A. M., & Haenlein, M. (2010). Users of the world, unite! The challenges and opportunities of
Social Media. Business Horizons, 53(1), 59–68. https://doi.org/10.1016/j.bushor.2009.09.003
Labrinidis, A., & Jagadish, H. V. (2012). Challenges and opportunities with big data. Proceedings of the
VLDB Endowment, 5(12), 2032–2033. https://doi.org/10.14778/2367502.2367572
Leonardi, P. M., Huysman, M., & Steinfield, C. (2013). Enterprise Social Media: Definition, History,
and Prospects for the Study of Social Technologies in Organizations. Journal of Computer-
Mediated Communication, 19(1), 1–19. https://doi.org/10.1111/jcc4.12029
Li, Y., Shi, S., Wu, Y., & Chen, Y. (2021). A review of enterprise social media: visualization of landscape
and evolution. Internet Research. https://doi.org/10.1108/INTR-07-2020-0389
Maheshwari, A. (2019). Digital Transformation: Building Intelligent Enterprises. John Wiley & Sons, Inc.
Marolt, M., Lenart, G., & Pucihar, A. (2016). Uporaba družbenih medijev v slovenskih podjetjih.
Uporabna informatika, 24(2). Pridobljeno od https://www.dlib.si/details/URN:NBN:SI:DOC-
HBU2QZRY
Marolt, M., Zimmermann, H.-D., Žnidaršič, A., & Pucihar, A. (2020). Exploring social customer
relationship management adoption in micro, small and medium-sized enterprises. Journal of
Theoretical and Applied Electronic Commerce Research, 15(2). https://doi.org/10.4067/S0718-
18762020000200104
M. Marolt in G. Lenart: Tehnološki trendi digitalne preobrazbe 77.
Menezes, B. C., Kelly, J. D., Leal, A. G., & Le Roux, G. C. (2019). Predictive, prescriptive and detective
analytics for smart manufacturing in the information age. IFAC-PapersOnLine, 52(1), 568–573.
https://doi.org/10.1016/j.ifacol.2019.06.123
Microsoft. (2020). Industrial automation firm creates CoE to train users and ensure value with data
analytics. Pridobljeno 2. marec 2021., od https://customers.microsoft.com/en-
GB/story/791222-rockwell-automation-manufacturing-power-bi
Mortenson, M. J., Doherty, N. F., & Robinson, S. (2015, marec 16). Operational research from
Taylorism to Terabytes: A research agenda for the analytics age. European Journal of Operational
Research, Let. 241, str. 583–595. https://doi.org/10.1016/j.ejor.2014.08.029
Moshtaghi, M., Bezdek, J. C., Leckie, C., Karunasekera, S., & Palaniswami, M. (2015). Evolving fuzzy
rules for anomaly detection in data streams. IEEE Transactions on Fuzzy Systems, 23(3), 688–700.
https://doi.org/10.1109/TFUZZ.2014.2322385
Power, D. J. (2007). A Brief History of Decision Support Systems. Pridobljeno 27. februar 2021., od
http://dssresources.com/history/dsshistoryv28.html
Ransbotham, S., & Gallaugher, J. (2010). Social Media and Customer Dialog Management at Starbucks.
MIS Quarterly Executive, 9(4). Pridobljeno od https://aisel.aisnet.org/misqe/vol9/iss4/3
Rehman, M. H. U., Chang, V., Batool, A., & Wah, T. Y. (2016). Big data reduction framework for value
creation in sustainable enterprises. International Journal of Information Management, 36(6), 917–928.
https://doi.org/10.1016/j.ijinfomgt.2016.05.013
Riemer, K., Scifleet, P., & Reddig, R. (2012). Powercrowd: Enterprise Social Networking in Professional Service
Work: A Case Study of Yammer at Deloitte Australia. Pridobljeno od
http://sydney.edu.au/business/information_systems/research/working_papers.
SAE International. (2018). Surface vehicle recommended practice. SAE International.
Saghezchi, F. B., Rodriguez, J., Mumtaz, S., Radwan, A., Lee, W. C. Y., Ai, B., … M., A.-E. (2015).
Drivers for 5G: The ‘Pervasive Connected World’. V J. Rodriguez (Ur.), Fundamentals of 5G
Mobile Networks. John Wiley & Sons, Ltd.
Salmon, J., Harmany, Z., Deledalle, C. A., & Willett, R. (2014). Poisson noise reduction with non-local
PCA. Journal of Mathematical Imaging and Vision, 48(2), 279–294.
https://doi.org/10.1007/s10851-013-0435-6
Serpanos, D., & Wolf, M. (2017). Internet-of-things (IoT) systems: Architectures, algorithms,
methodologies. V Internet-of-Things (IoT) Systems: Architectures, Algorithms, Methodologies.
https://doi.org/10.1007/978-3-319-69715-4
Sheldon, A. (2020). Mobile Tech Trends 2021: Era of Immersive Technologies. Becoming Human:
Artificial Intelligence Magazine. Pridobljeno od https://becominghuman.ai/mobile-tech-trends-
2021-era-of-immersive-technologies-2b92ea65ee3e
Singh, N., Javeed, A., Chhabra, S., & Kumar, P. (2015). Missing Value Imputation with Unsupervised
Kohonen Self Organizing Map. V Emerging Research in Computing, Information, Communication and
Applications (str. 61–76). https://doi.org/10.1007/978-81-322-2550-8_7
Starbucks. (2021). Starbucks Coffee Company. Pridobljeno 15. februar 2021., od
https://www.starbucks.com/about-us/company-information
Statista. (2021). Internet users in the world 2021.
Tapscott, D., & Tapscott, A. (2018). Blockchain Revolution: How the Technology Behind Bitcoin and Other
Cryptocurrencies Is Changing the World. New York: Portfolio.
Tardieu, H., Daly, D., Esteban-Lauzán, J., Hall, J., & Miller, G. (2020). The Birth of Digital—A Brief
History of Digital Technologies. https://doi.org/10.1007/978-3-030-37955-1_1
Usluel, Y. K., & Mazman, S. G. (2009). Adoption of Web 2.0 tools in distance education. Procedia -
Social and Behavioral Sciences, 1(1), 818–823. https://doi.org/10.1016/j.sbspro.2009.01.146
Van Dijck, J. (2013). The Culture of Connectivity: A Critical History of Social Media s. Pridobljeno od
https://www.amazon.com/Culture-Connectivity-Critical-History-Social-
ebook/dp/B00AWOTA96
Verhoef, P. C., Broekhuizen, T., Bart, Y., Bhattacharya, A., Qi Dong, J., Fabian, N., & Haenlein, M.
(2021). Digital transformation: A multidisciplinary reflection and research agenda. Journal of
78 ZNANSTVENO-RAZISKOVALNI TRENDI NA PODROČJU DIGITALNE PREOBRAZBE.